說話人轉(zhuǎn)變檢測的研究與實現(xiàn).pdf

1、現(xiàn)代IT技術(shù)的發(fā)展越來越快，獲取各類音頻文檔的方法也都相繼出現(xiàn)，而數(shù)據(jù)量則呈現(xiàn)快速增長的趨勢，管理音頻文檔將會越來越困難，因而對音頻文檔中說話人轉(zhuǎn)變的檢測越來越重要，說話人轉(zhuǎn)變的檢測主要包括說話人分割和說話人聚類兩個部分。近年來很多研究者開始對音頻分割與聚類技術(shù)進(jìn)行了研究[1]，利用這技術(shù)來管理多媒體語音文檔，其中對會議語音的分割和聚類困難最大?；谡f話人的不同而對音頻文檔進(jìn)行分割與聚類，關(guān)鍵是找出不同說話人之間話音的不同，將含有多個人

2、說話的語音段，根據(jù)不同轉(zhuǎn)變點分割成多個片段，且每個片段只含有一個說話人，分割完成后將同一說話人的片段進(jìn)行標(biāo)記，采用說話人聚類技術(shù)將分割好的語音按照說話人的不同進(jìn)行重新組合。
　　本文提到的說話人轉(zhuǎn)變檢測的方法主要由三個部分組成即特征值提取、說話人分割和說話人聚類。本文對于每一部分都做了詳細(xì)的介紹，并通過實驗比較了不同方法的優(yōu)缺點，具體內(nèi)容如下：
　　1)特征提取部分。提取語音序列的LPC倒譜系數(shù)和梅爾頻率倒譜系數(shù)作為說話人的

3、特征參數(shù)，通過實驗發(fā)現(xiàn)MFCC比LPCC性能好。
　　2)說話人分割部分。本文使用的是基于可信度變化趨勢和改進(jìn)BIC的混合說話人轉(zhuǎn)變點的檢測方法，利用可信度變化趨勢解決了BIC由于數(shù)據(jù)累積造成的累積錯誤，而BIC又可以解決由于可信度參數(shù)百分比beta選取設(shè)定的不合適而造成的誤差，實驗結(jié)果表明使用混合算法比單獨使用這兩種算法性能分別提高了10％和5.8%。
　　3)說話人聚類。本文使用的是基于等級的分層說話人聚類，介紹了基于基